python 中的装饰器安全功能

Question

这段代码是如何工作的？它来自渐变 "Data Science by Scratch" 中的第 8 章。为什么我需要将一个函数包装在另一个函数中？有没有更易读的方法来实现这种异常处理？这是对它的解释。

It is possible that certain step sizes will result in invalid inputs for our function. So we’ll need to create a “safe apply” function that returns infinity (which should never be the minimum of anything) for invalid inputs:

def safe(f):
    """return a new function that's the same as f,
    except that it outputs infinity whenever f produces an error"""
    def safe_f(*args, **kwargs):
        try:
             return f(*args, **kwargs)
        except:
             return float('inf')
    return safe_f

Answer 1

您缺少函数调用：

假设我定义了这样一个平均函数：

def naive_average(lst):
    return float(sum(lst))/len(lst)

如果 lst 为空会怎样？或者它是否包含非数字的内容？ 砰，异常！

使用你提到的装饰器，函数看起来像这样

@safe
def naive_average(lst):
    return float(sum(lst))/len(lst)

现在，在空 lst 上调用它会 return float('inf') 而不是异常

Answer 2

假设我们有一个像这样的简单函数：

def myfunc(n):
    return 42/n

我们这样做：

print(myfunc(0))

我们得到这个：

Traceback (most recent call last):
  File "gash.py", line 14, in <module>
    print(myfunc(0))
  File "gash.py", line 12, in myfunc
    return 42/n
ZeroDivisionError: division by zero

现在我们这样做：

myfunc = safe(myfunc)
print(myfunc(0))

我们得到这个：

inf

我们第二次调用 safe()，其中 returns 是一个具有嵌入式异常处理的新函数。我们替换了 name "myfunc" 所指的内容，现在它指的是返回的函数。原来的myfunc没丢，新里面叫f

@safe 装饰器本质上与 myfunc = safe(myfunc)

做同样的事情

python 中的装饰器安全功能

Functions decorator safety in python

python

decorator